2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于稀疏梯度场的非局部图像去噪算法

张瑞 冯象初 王斯琪 常莉红

张维存. 参数不确定离散随机系统的加权多模型自适应控制. 自动化学报, 2015, 41(3): 541-550. doi: 10.16383/j.aas.2015.c140340
引用本文: 张瑞, 冯象初, 王斯琪, 常莉红. 基于稀疏梯度场的非局部图像去噪算法. 自动化学报, 2015, 41(9): 1542-1552. doi: 10.16383/j.aas.2015.c140903
ZHANG Wei-Cun. Weighted Multiple Model Adaptive Control of Discrete-time Stochastic System with Uncertain Parameters. ACTA AUTOMATICA SINICA, 2015, 41(3): 541-550. doi: 10.16383/j.aas.2015.c140340
Citation: ZHANG Rui, FENG Xiang-Chu, WANG Si-Qi, CHANG Li-Hong. A Sparse Gradients Field Based Image Denoising Algorithm via Non-local Means. ACTA AUTOMATICA SINICA, 2015, 41(9): 1542-1552. doi: 10.16383/j.aas.2015.c140903

基于稀疏梯度场的非局部图像去噪算法

doi: 10.16383/j.aas.2015.c140903
基金项目: 

国家自然科学基金(61271294,61105011,11101292,61379030,61362029,61101208),陕西省自然科学基金(2013JM1001)资助

详细信息
    作者简介:

    冯象初 西安电子科技大学数学与统计学院教授.1999年获得西安电子科技大学理学博士学位.主要研究方向为数值分析,小波,图像处理的偏微分方程方法.E-mail:xcfeng@mail.xidian.edu.cn

    王斯琪西安电子科技大学数学与统计学院博士研究生.主要研究方向为图像处理中的数学问题.E-mail:pearlwangxd@163.com

    常莉红西安电子科技大学数学与统计学院博士研究生.主要研究方向为图像处理中的数学问题.E-mail:changlihong-1999@126.com

    通讯作者:

    张瑞 西安电子科技大学数学与统计学院博士研究生.主要研究方向为稀疏表示和变分方法在图像处理中的应用.本文通信作者.E-mail:guanyue_002@163.com

A Sparse Gradients Field Based Image Denoising Algorithm via Non-local Means

Funds: 

Supported by National Natural Science Foundation of China (61271294, 61105011, 11101292, 61379030, 61362029, 61101208) and Science Foundation of Shaanxi Province (2013JM1001)

  • 摘要: 非局部平均(Non-local means, NLM)算法充分利用图像的自相似性与结构信息的冗余性, 取得了很好的去噪效果.然而, 在强噪声的干扰下, NLM算法中的权函数不能准确度量图像块之间的相似性. 因此, 很多文献利用图像的梯度信息对权函数做了改进.但是, 传统的梯度算子对噪声十分敏感, 不能有效地提高相似性度量的准确性. 本文将图像的稀疏梯度场(Sparse gradients field, SGF)引入权函数的定义中, 提出一种基于稀疏梯度场的非局部图像去噪算法. 首先, 区别于传统基于局部的梯度算子, 提出了基于全局的稀疏梯度场模型, 进一步给出一个自适应的稀疏梯度场模型(Adaptive sparse gradients field, ASGF), 并利用向前--向后分裂算法求解.然后, 利用图像的稀疏梯度场对NLM算法的权函数进行改进, 得到本文提出的算法.实验结果表明, 无论是客观评价还是视觉效果, 本文所提算法的性能优于NLM 算法和其他利用梯度信息改进的NLM算法.
  • [1] Wang Xu-Dong, Feng Xiang-Chu, Huo Lei-Gang. Iteratively reweighted anisotropic-TV based multiplicative noise removal model. Acta Automatica Sinica, 2012, 38(3): 444-451 (王旭东, 冯象初, 霍雷刚. 去除乘性噪声的重加权各向异性全变差模型. 自动化学报, 2012, 38(3): 444-451)
    [2] Liu Xiao-Yan, Feng Xiang-Chu, Zhao Chen-Ping. Anisotropic diffusion model based on generalized metric in Sobolev space. Acta Automatica Sinica, 2015, 41(2): 320-329 (刘孝艳, 冯象初, 赵晨萍. Sobolev广义度量下的各向异性扩散模型. 自动化学报, 2015, 41(2): 320-329)
    [3] Han Y, Feng X C, Baciu G. Variational and PCA based natural image segmentation. Pattern Recognition, 2013, 46(7): 1971-1984
    [4] Zhang W J, Feng X C, Han Y. A novel image segmentation model with an edge weighting function. Signal, Image, and Video Processing, 2014, 8(1): 121-132
    [5] Buades A, Coll B, Morel J M. A non-local algorithm for image denoising. In: Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Diego, USA: IEEE, 2005. 60-65
    [6] Katkovnik V, Foi A, Egiazarian K, Astola J. From local kernel to nonlocal multiple-model image denoising. International Journal of Computer Vision, 2010, 86(1): 1-32
    [7] Takeda H, Farsiu S, Milanfar P. Kernel regression for image processing and reconstruction. IEEE Transactions on Image Processing, 2007, 16(2): 349-366
    [8] Chatterjee P, Milanfar P. A generalization of non-local means via kernel regression. In: Proceedings of the 2008 International Society for Optical Engineering. San Jose, CA: SPIE, 2008. 68140P-68140P-9
    [9] Ram I, Elad M, Cohen I. Image denoising using non-local means via smooth patch ordering. IEEE Transactions on Image Processing, 2013, 22(7): 2764-2774
    [10] Rajwade A, Rangarajan A, Banerjee A. Image denoising using the higher order singular value decomposition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(4): 849-862
    [11] Luo Liang, Feng Xiang-Chu, Zhang Xuan-De, Li Xiao-Ping. An image denoising method based on non-local two-side random projection and low rank approximation. Journal of Electronics and Information Technology, 2013, 35(1): 99-105 (罗亮, 冯象初, 张选德, 李小平. 基于非局部双边随机投影低秩逼近图像去噪算法. 电子与信息学报, 2013, 35(1): 99-105)
    [12] Wu X, Xie M Y, Wu W, Zhou J L. Non-local means image denoising using anisotropic structure tensor. Advances in Optical Technologies, 2013, 2013: Article ID 794728
    [13] Sen D, Pal S K. Gradient histogram: thresholding in a region of interest for edge detection. Image and Vision Computing, 2010, 28(4): 677-695
    [14] Cai J F, Chan R H, Shen Z W. A framelet-based image inpainting algorithm. Applied and Computational Harmonic Analysis, 2008, 24(2): 131-149
    [15] Combettes P L, Wajs V R. Signal recovery by proximal forward-backward splitting. Multiscale Modeling and Simulation, 2005, 4(4): 1168-1200
    [16] Zhang L, Dong W S, Zhang D, Shi G M. Two-stage image denoising by principal component analysis with local pixel grouping. Pattern Recognition, 2010, 43(4): 1531-1549
    [17] Dabov K, Foi A, Katkovnik V, Egiazarian K. Image denoising by sparse 3-D transform-domain collaborative filtering. IEEE Transactions on Image Processing, 2007, 16(8): 2080-2095
  • 期刊类型引用(12)

    1. 朱亚文,周红标,李杨,徐浩渊. 约束多目标进化算法研究进展. 计算机应用研究. 2022(09): 2582-2590+2602 . 百度学术
    2. 潘子肖,雷德明. 基于问题性质的分布式低碳并行机调度算法研究. 自动化学报. 2020(11): 2427-2438 . 本站查看
    3. 王学武,魏建斌,周昕,顾幸生. 一种基于超体积指标的多目标进化算法. 华东理工大学学报(自然科学版). 2020(06): 780-791 . 百度学术
    4. 张海瑞. 基于LLE降维方法的Pareto优劣性预测. 湖南理工学院学报(自然科学版). 2018(03): 30-35 . 百度学术
    5. 余梓. PCA下的地铁工程项目多目标集成管理分析. 科技资讯. 2018(04): 87-88 . 百度学术
    6. 陈志旺,黄兴旺,陈志兴,赵子铮,黄丽芳. 区间多目标优化非支配排序云模型算法. 计算机工程与应用. 2017(22): 143-149 . 百度学术
    7. 闫红. 基于区间可信度下界的多目标优化算法研究及应用. 计算机科学. 2017(S2): 577-579+585 . 百度学术
    8. 陈志旺,赵子铮,姚嘉楠,韩艳. 昂贵区间多目标优化空间数据挖掘求解策略. 控制与决策. 2017(09): 1599-1606 . 百度学术
    9. 李文彬,贺建军,冯彩英,郭观七. 基于决策空间变换最近邻方法的Pareto支配性预测. 自动化学报. 2017(02): 294-301 . 本站查看
    10. 王晓原,张敬磊,刘振雪,尹超. 基于混合模糊多人多目标非合作博弈的车道选择模型. 自动化学报. 2017(11): 2033-2043 . 本站查看
    11. 陈志旺,黄兴旺,陈志兴,赵子铮. 融合高斯建模和近邻法的区间多目标支配性预测策略. 小型微型计算机系统. 2017(08): 1806-1810 . 百度学术
    12. 丁进良,杨翠娥,陈立鹏,柴天佑. 基于参考点预测的动态多目标优化算法. 自动化学报. 2017(02): 313-320 . 本站查看

    其他类型引用(10)

  • 加载中
计量
  • 文章访问数:  1967
  • HTML全文浏览量:  143
  • PDF下载量:  2034
  • 被引次数: 22
出版历程
  • 收稿日期:  2014-12-30
  • 修回日期:  2015-04-30
  • 刊出日期:  2015-09-20

目录

    /

    返回文章
    返回